Europe PMC（brain-computer interface · PubMed）· Jamil M, Aziz MZ, Huang B, Yu X.·2026-09-22 08:00· 2026-09-22AI 评分33

Diff-ADN：面向 EEG 的扩散引导伪迹去噪网络，带确定性残差精修

Diff-ADN: A diffusion-guided artifact denoising network with deterministic residual refinement for EEG.

AI 导读

Diff-ADN 是一种单通道 EEG 伪迹去除框架，采用严重程度条件化的 Stage-I 重建加扩散引导的 Stage-II 残差精修，推理时仅需一次确定性残差校正，无需迭代反向扩散采样。

AI 要点

团队

Jamil M、Aziz MZ、Huang B、Yu X 等作者，机构原文未提及。

主要结果

EOG、EMG、ECG 与混合 EOG+EMG 伪迹的平均 Pearson 相关分别为 0.936、0.839、0.886、0.844；四个运动想象数据集上 ECG 去噪使解码准确率恢复 4.88–5.59 个百分点。

解决什么问题

生理伪迹会降低 EEG 记录质量并影响下游脑机接口分析，研究面向眼电、肌电、心电及混合伪迹的单通道去除。

方法

Diff-ADN 为两阶段框架：严重度条件化的 Stage-I 重建加扩散引导的 Stage-II 残差细化；在 -7 至 +2 dB 污染水平下，用独立记录的伪迹源和四个公开 EEG 数据集做运动想象解码评估。

局限

从研究设计看，结果基于公开数据集与独立记录的伪迹源，波形重建改善不必然带来 BCI 解码准确率的均匀恢复。

AI 依据原文整理，未经人工核对。